HyperFlow H3 Flash

Video Rebirth 正式开源 HyperFlow H3 Flash，作为该系列的第三代模型，它实现了对 MiniMax-H3 架构的深度压缩与少步推理优化。该模型在维持与 bf16 基线一致的生成质量前提下，将参数量从约 31B 缩减至 14B 级别，不仅支持在消费级显卡上运行，同时在 4 块 B200 GPU 配置下可实现 768p 视频的实时生成。

核心规格与性能表现

HyperFlow H3 Flash 通过算法优化与量化技术，在生成质量与计算开销之间取得了明确的工程平衡：

• 参数规模与推理效率：模型提供 fl2va（13.7B 参数）和 ref2va（13.9B 参数）两个版本。通过支持 4、6（默认）或 8 步推理，且完全无需无分类器引导（CFG），显著降低了单次生成的计算开销。
• 输出规格：可生成 5.2 至 15 秒的视频，默认分辨率为 1344×768，帧率为 24 fps，并同步生成 32 kHz 立体声音频。
• 推理速度：在生成 5.2 秒片段（6 步推理）的基准测试中，4 块 B200 GPU 耗时 8.7 秒（实现实时生成），单块 H200 耗时 36 秒，单块 RTX 5090 耗时 92 秒。
• 显存占用：最小显存需求通过量化技术进一步压缩。Q4_K_M 量化版本仅需 9.1 GB 显存，Q8_0 版本为 14.9 GB，使其能够在配备 16 GB 系统内存及 24 GB 或 32 GB 显存的消费级 PC 上稳定运行。

多模态任务支持

该模型覆盖了从基础生成到复杂参考控制的多种工作流需求：

• t2va（文本到视频音频）：仅输入文本提示即可生成带同步音频的视频内容。
• fl2va（关键帧到视频音频）：支持输入提示词加首帧，或首尾双关键帧，用于精确控制视频的起始与结束状态。
• ref2va（参考到视频音频）：支持输入提示词及最多 12 个参考素材（涵盖图像、视频或音频），适用于需要保持高度主体一致性或复杂风格迁移的生成任务。

运行时选择与部署方案

针对不同硬件环境，官方提供了明确的运行时决策规则：系统内存 64 GB 及以下的 PC 推荐使用 GGUF 格式；而数据中心 GPU 或配备至少 69 GiB 系统内存及 24 GB 以上显存的 RTX GPU，则推荐使用 INT8 convrot 格式。

• GGUF 运行时（面向消费级硬件）：支持 ComfyUI、Unsloth Studio 和 stable-diffusion.cpp。量化级别覆盖 Q3_K_M（约 7.2 GB，最小占用）至 Q8_0（约 15.2 GB，最接近全精度）。以 ComfyUI 为例，用户需克隆相关自定义节点，下载约 15.7 GB 的 qwen3vl_32b 文本编码器，并通过 --fast-disk 参数启动，即可加载预设的 t2v、i2v 等工作流模板。
• INT8 CONVROT 运行时（面向高性能计算）：通过 Python 包（包含 CLI 和 diffusers 接口）部署。采用 W8A8 INT8 加低秩适配技术，显存占用约 16 GB。该方案主要面向 H100/H200/B200 等多卡集群，或在系统内存充足（≥69 GiB 配合 fp8 文本编码器，或 ≥91 GiB 配合 bf16）的高端单卡环境下运行，以提供完整的图像、视频和音频参考输入支持。